Update app.py

app.py

@@ -91,37 +91,38 @@ def parse_audio_mime_type(mime_type: str) -> dict[str, int]:
 def smart_text_split(text, max_size=3800):
     if len(text) <= max_size: return [text]
     chunks, current_chunk = [], ""
-    # بهبود regex برای پشتیبانی بهتر از نقطه ویرگول فارسی و انگلیسی و سایر علائم
-    sentences = re.split(r'(?<=[.!?؟؛;])\s+', text) 
+    # بهبود regex برای پشتیبانی بهتر از جداکننده‌های فارسی و انگلیسی
+    sentences = re.split(r'(?<=[.!?؟۔])\s+', text) 
     for sentence in sentences:
         if len(current_chunk) + len(sentence) + 1 > max_size: # +1 for space
             if current_chunk: chunks.append(current_chunk.strip())
             current_chunk = sentence
-            # اگر یک جمله به تنهایی بزرگتر از max_size باشد، آن را بیشتر خرد کن
-            while len(current_chunk) > max_size:
-                # تلاش برای شکستن از روی کاما، نقطه ویرگول، یا فاصله در محدوده‌ی معقول
+            while len(current_chunk) > max_size: # If a single sentence is too long
+                # Try to split at sensible places like comma, semicolon, or space
                 split_idx = -1
-                # ابتدا سعی کن نزدیک به انتها بشکنی
-                for i in range(max_size - 1, int(max_size * 0.6), -1): # تا 60% طول ماکسیمم به عقب برو
-                    if current_chunk[i] in ['،', ',', '؛', ';', ':', ' ']:
-                        split_idx = i
-                        break
+                # Prefer splitting at punctuation, then space
+                for char_to_find in ['،', ',', ';', ':', ' ']:
+                    try:
+                        # Search backwards from max_size towards middle
+                        split_idx = current_chunk.rindex(char_to_find, max_size // 2, max_size)
+                        break 
+                    except ValueError:
+                        continue
                 
-                part_to_add = ""
                 if split_idx != -1:
-                    part_to_add = current_chunk[:split_idx+1]
+                    part = current_chunk[:split_idx+1]
                     current_chunk = current_chunk[split_idx+1:]
-                else: # اگر نقطه مناسبی پیدا نشد، به زور بشکن
-                    part_to_add = current_chunk[:max_size]
+                else: # Force split if no ideal character found
+                    part = current_chunk[:max_size]
                     current_chunk = current_chunk[max_size:]
-                chunks.append(part_to_add.strip())
+                chunks.append(part.strip())
         else:
-            if current_chunk and sentence: # اضافه کردن فاصله فقط اگر هر دو وجود دارند
+            if current_chunk: # Add space if it's not the first part of the chunk
                 current_chunk += " " + sentence
-            else: # اگر یکی از آنها خالی است، بدون فاصله اضافه کن
-                current_chunk += sentence
+            else:
+                current_chunk = sentence
     if current_chunk: chunks.append(current_chunk.strip())
-    final_chunks = [c for c in chunks if c] # حذف قطعات خالی
+    final_chunks = [c for c in chunks if c]
     return final_chunks
 
 def merge_audio_files_func(file_paths, output_path):
@@ -129,12 +130,7 @@ def merge_audio_files_func(file_paths, output_path):
     try:
         combined = AudioSegment.empty()
         for i, fp in enumerate(file_paths):
-            if os.path.exists(fp): 
-                segment = AudioSegment.from_file(fp)
-                combined += segment
-                # اضافه کردن سکوت کوتاه بین قطعات، مگر اینکه آخرین قطعه باشد
-                if i < len(file_paths) - 1:
-                    combined += AudioSegment.silent(duration=150) # 150 میلی‌ثانیه سکوت
+            if os.path.exists(fp): combined += AudioSegment.from_file(fp) + (AudioSegment.silent(duration=150) if i < len(file_paths) - 1 else AudioSegment.empty())
             else: _log(f"⚠️ فایل برای ادغام پیدا نشد: {fp}")
         combined.export(output_path, format="wav")
         return True
@@ -171,15 +167,20 @@ def core_generate_audio(text_input, prompt_input, selected_voice, temperature_va
     
     generated_files = []
     for i, chunk in enumerate(text_chunks):
-        final_text = ""
+        # --- START: تغییر نحوه ترکیب prompt و chunk ---
         if prompt_input and prompt_input.strip():
-            # --- تغییر کلیدی برای مشکل خواندن پرامپت ---
-            # به جای: final_text = f'"{prompt_input.strip()}"\n{chunk}'
-            # از پرانتز استفاده می‌کنیم تا به مدل بفهمانیم این بخش دستورالعمل است.
-            final_text = f"({prompt_input.strip()})\n{chunk}"
+            processed_prompt = prompt_input.strip()
+            # اگر سبک گفتار با نقطه گذاری تمام نمی‌شود، یک ویرگول یا نقطه اضافه می‌کنیم
+            # این به مدل کمک می‌کند تا آن را به عنوان یک عبارت راهنما قبل از متن اصلی تشخیص دهد
+            if not re.search(r'[.!?؟،:۔]$', processed_prompt):
+                processed_prompt += "،" # افزودن ویرگول فارسی به عنوان جداکننده ملایم
+            final_text = f"{processed_prompt} {chunk.strip()}"
         else:
-            final_text = chunk
-        
+            final_text = chunk.strip()
+        # --- END: تغییر نحوه ترکیب prompt و chunk ---
+
+        _log(f"   متن ارسالی به API (قطعه {i+1}): '{final_text[:100]}...'") # نمایش بخش کوچکی از متن نهایی برای دیباگ
+
         contents = [types.Content(role="user", parts=[types.Part.from_text(text=final_text)])]
         config = types.GenerateContentConfig(temperature=temperature_val, response_modalities=["audio"],
             speech_config=types.SpeechConfig(voice_config=types.VoiceConfig(
@@ -197,105 +198,79 @@ def core_generate_audio(text_input, prompt_input, selected_voice, temperature_va
                 if fpath: generated_files.append(fpath)
             else: _log(f"⚠️ پاسخ API برای قطعه {i+1} بدون داده صوتی بود (با کلید شماره {key_idx_display}).")
         except Exception as e:
-            # نمایش خطای دقیق‌تر از API اگر در دسترس باشد
-            error_message = str(e)
-            if hasattr(e, 'message'): # برای انواع خاصی از خطاها در کتابخانه google-generativeai
-                 error_message = e.message
-            elif hasattr(e, 'args') and e.args:
-                 error_message = str(e.args[0])
-
-            # گاهی اوقات خطا شامل جزئیات بیشتری است، مانند خطاهای مربوط به محتوای نامناسب
-            # if "blocked" in error_message.lower() or "safety" in error_message.lower():
-            #     _log(f"❌ محتوای قطعه {i+1} ممکن است توسط فیلترهای ایمنی مسدود شده باشد. جزئیات: {error_message}")
-            # else:
-            _log(f"❌ خطا در تولید قطعه {i+1} با کلید شماره {key_idx_display}: {error_message}")
-            continue # ادامه بده به قطعه بعدی اگر یکی خطا داد
-        
-        if i < len(text_chunks) - 1 and len(text_chunks) > 1: 
-            # _log(f"⏱️ انتظار {sleep_time} ثانیه قبل از درخواست بعدی...") # لاگ کمتر
-            time.sleep(sleep_time)
+            _log(f"❌ خطا در تولید قطعه {i+1} با کلید شماره {key_idx_display}: {e}")
+            # بررسی جزئیات خطا از Gemini، اگر موجود باشد
+            if hasattr(e, 'message') and "API key" in e.message:
+                 _log(f"   این خطا ممکن است مربوط به کلید API (شماره {key_idx_display}) یا محدودیت‌های آن باشد.")
+            elif hasattr(e, 'message') and "resource has been exhausted" in e.message.lower():
+                 _log(f"   احتمالاً به محدودیت استفاده از کلید API (شماره {key_idx_display}) رسیده‌اید.")
+            continue
+        if i < len(text_chunks) - 1 and len(text_chunks) > 1: time.sleep(sleep_time)
 
     if not generated_files:
         _log(f"❌ هیچ فایل صوتی با کلید شماره {key_idx_display} تولید نشد.")
         return None
     
     final_audio_file = None
-    final_output_path_base = f"{output_base_name}_final" # نام پایه فایل نهایی
-
-    # ایجاد یک timestamp برای نام فایل نهایی برای جلوگیری از کش شدن توسط مرورگر
-    # timestamp = int(time.time())
-    # final_output_path_base_ts = f"{final_output_path_base}_{timestamp}"
-    # فعلا از timestamp استفاده نمی‌کنیم تا نام فایل ساده بماند. Gradio معمولا کش نمی‌کند اگر محتوا تغییر کند.
+    final_output_path_base = f"{output_base_name}_final"
 
     if len(generated_files) > 1:
         if PYDUB_AVAILABLE:
-            merged_fn = f"{final_output_path_base}.wav" # همیشه خروجی ادغام شده WAV است
-            if os.path.exists(merged_fn): # حذف فایل قبلی اگر وجود دارد تا جایگزین شود
-                 try: os.remove(merged_fn)
-                 except OSError as e_rem: _log(f"⚠️ نتوانست فایل قبلی ادغام شده را حذف کند: {merged_fn}, خطا: {e_rem}")
-
+            merged_fn = f"{final_output_path_base}.wav"
+            if os.path.exists(merged_fn): os.remove(merged_fn)
             if merge_audio_files_func(generated_files, merged_fn):
                 final_audio_file = merged_fn
             else: 
-                _log("⚠️ ادغام فایل‌ها ناموفق بود. اولین قطعه به عنوان خروجی ارائه می‌شود.")
-                if generated_files: # اگر حداقل یک فایل تولید شده باشد
+                if generated_files:
                     try:
-                        original_first_chunk_path = generated_files[0]
-                        target_ext = os.path.splitext(original_first_chunk_path)[1]
+                        target_ext = os.path.splitext(generated_files[0])[1]
                         renamed_first_chunk = f"{final_output_path_base}{target_ext}"
                         if os.path.exists(renamed_first_chunk): os.remove(renamed_first_chunk)
-                        os.rename(original_first_chunk_path, renamed_first_chunk)
+                        os.rename(generated_files[0], renamed_first_chunk)
                         final_audio_file = renamed_first_chunk
                     except Exception as e_rename:
                          _log(f"خطا در تغییر نام فایل اولین قطعه (پس از ادغام ناموفق): {e_rename}")
-                         final_audio_file = generated_files[0] # بازگشت به مسیر اصلی
+                         final_audio_file = generated_files[0]
             
-            # پاک کردن فایل‌های جزئی (چه ادغام موفق بوده چه ناموفق، به جز فایل نهایی)
             for fp_cleanup in generated_files:
-                # اگر فایل جزئی همان فایل نهایی است (مثلا در صورت ادغام ناموفق و تغییر نام اولین قطعه) آن را پاک نکن
                 if final_audio_file and os.path.abspath(fp_cleanup) == os.path.abspath(final_audio_file):
                     continue 
-                try: 
-                    if os.path.exists(fp_cleanup): os.remove(fp_cleanup)
-                except OSError as e_del_part: _log(f"⚠️ نتوانست فایل جزئی را حذف کند: {fp_cleanup}, خطا: {e_del_part}")
+                try: os.remove(fp_cleanup)
+                except: pass
         else: 
-            _log("⚠️ pydub در دسترس نیست. اولین قطعه صوتی ارائه می‌شود چون امکان ادغام وجود ندارد.")
+            _log("⚠️ pydub در دسترس نیست. اولین قطعه صوتی ارائه می‌شود.")
             if generated_files:
                 try:
-                    original_first_chunk_path = generated_files[0]
-                    target_ext = os.path.splitext(original_first_chunk_path)[1]
+                    target_ext = os.path.splitext(generated_files[0])[1]
                     renamed_first_chunk = f"{final_output_path_base}{target_ext}"
                     if os.path.exists(renamed_first_chunk): os.remove(renamed_first_chunk)
-                    os.rename(original_first_chunk_path, renamed_first_chunk)
+                    os.rename(generated_files[0], renamed_first_chunk)
                     final_audio_file = renamed_first_chunk
-                    # پاک کردن بقیه فایل‌های جزئی
-                    for i_gf in range(1, len(generated_files)):
-                        try: 
-                            if os.path.exists(generated_files[i_gf]): os.remove(generated_files[i_gf])
-                        except OSError as e_del_other_part: _log(f"⚠️ نتوانست فایل جزئی دیگر را حذف کند: {generated_files[i_gf]}, خطا: {e_del_other_part}")
+                    for i_gf in range(1, len(generated_files)): 
+                        try: os.remove(generated_files[i_gf])
+                        except: pass
                 except Exception as e_rename_single:
                     _log(f"خطا در تغییر نام فایل اولین قطعه (بدون pydub): {e_rename_single}")
-                    final_audio_file = generated_files[0] # بازگشت به مسیر اصلی
-
+                    final_audio_file = generated_files[0]
     elif len(generated_files) == 1:
         try:
-            original_single_file_path = generated_files[0]
-            target_ext = os.path.splitext(original_single_file_path)[1]
+            target_ext = os.path.splitext(generated_files[0])[1]
             final_single_fn = f"{final_output_path_base}{target_ext}"
-            if os.path.exists(final_single_fn): os.remove(final_single_fn) # حذف فایل قبلی اگر وجود دارد
-            os.rename(original_single_file_path, final_single_fn)
+            if os.path.exists(final_single_fn): os.remove(final_single_fn)
+            os.rename(generated_files[0], final_single_fn)
             final_audio_file = final_single_fn
         except Exception as e_rename_single_final:
             _log(f"خطا در تغییر نام فایل تکی نهایی: {e_rename_single_final}")
-            final_audio_file = generated_files[0] # بازگشت به مسیر اصلی اگر تغییر نام ناموفق بود
+            final_audio_file = generated_files[0]
     
     if final_audio_file and os.path.exists(final_audio_file):
         _log(f"✅ فایل صوتی نهایی با موفقیت با کلید شماره {key_idx_display} تولید شد: {os.path.basename(final_audio_file)}")
-    elif final_audio_file: # اگر متغیر مقدار دارد اما فایل وجود ندارد
+    elif final_audio_file:
         _log(f"⚠️ فایل نهایی '{final_audio_file}' پس از پردازش وجود ندارد! (با کلید شماره {key_idx_display})")
-        return None # صریحاً None برگردان تا Gradio خطا ندهد برای فایلی که نیست
-    else: # اگر final_audio_file از ابتدا None مانده (هیچ فایلی تولید نشده یا خطایی بوده)
-        # لاگ قبلی در مورد عدم تولید فایل کافی است
+        return None
+    else:
+        # این حالت نباید رخ دهد اگر generated_files خالی نباشد و خطایی در تغییر نام رخ ندهد
+        _log(f"❓ وضعیت نامشخص برای فایل نهایی پس از پردازش تمام قطعات. (با کلید شماره {key_idx_display})")
         return None
         
     return final_audio_file
@@ -305,11 +280,10 @@ def gradio_tts_interface(use_file_input, uploaded_file, text_to_speak, speech_pr
     if use_file_input:
         if uploaded_file:
             try:
-                # اطمینان از اینکه uploaded_file.name مسیر معتبر فایل است
-                file_path = uploaded_file.name if hasattr(uploaded_file, 'name') else uploaded_file
-                with open(file_path, 'r', encoding='utf-8') as f: actual_text = f.read().strip()
+                # استفاده از uploaded_file.name که مسیر فایل موقت در Gradio است
+                with open(uploaded_file.name, 'r', encoding='utf-8') as f: actual_text = f.read().strip()
                 if not actual_text: _log("❌ فایل آپلود شده خالی است یا خوانده نشد."); return None
-            except Exception as e: _log(f"❌ خطا در خواندن فایل آپلود شده '{file_path if 'file_path' in locals() else 'نامشخص'}': {e}"); return None
+            except Exception as e: _log(f"❌ خطا در خواندن فایل آپلود شده: {e}"); return None
         else: _log("❌ گزینه استفاده از فایل انتخاب شده اما فایلی آپلود نشده."); return None
     else:
         actual_text = text_to_speak
@@ -406,14 +380,14 @@ with gr.Blocks(theme=gr.themes.Base(font=[gr.themes.GoogleFont("Vazirmatn")]), c
             SPEAKER_VOICES, label="انتخاب گوینده و لهجه", value="Charon", elem_id="speaker_voice_alpha_v3"
         )
         temperature_slider = gr.Slider(
-            minimum=0.0, maximum=1.5, step=0.05, value=0.9, label="میزان خلاقیت صدا", # مینیمم دما می‌تواند 0 باشد
+            minimum=0.1, maximum=1.5, step=0.05, value=0.9, label="میزان خلاقیت صدا",
             elem_id="temperature_slider_alpha_v3"
         )
         gr.Markdown("<p class='temp_description_class_alpha_v3'>مقادیر بالاتر = تنوع بیشتر، مقادیر پایین‌تر = یکنواختی بیشتر.</p>")
 
         generate_button = gr.Button("🚀 تولید و پخش صدا", elem_classes=["generate-button-final"], elem_id="generate_button_alpha_v3")
         
-        output_audio = gr.Audio(label=" ", type="filepath", elem_id="output_audio_player_alpha_v3")
+        output_audio = gr.Audio(label=" ", type="filepath", elem_id="output_audio_player_alpha_v3") # لیبل خالی برای تطابق با ظاهر
     
         generate_button.click(
             fn=gradio_tts_interface,
@@ -426,12 +400,12 @@ with gr.Blocks(theme=gr.themes.Base(font=[gr.themes.GoogleFont("Vazirmatn")]), c
             examples=[
                 [False, None, "سلام بر شما، امیدوارم روز خوبی داشته باشید.", "با لحنی گرم و صمیمی.", "Zephyr", 0.85],
                 [False, None, "این یک آزمایش برای بررسی کیفیت صدای تولید شده توسط هوش مصنوعی آلفا است.", "با صدایی طبیعی و روان.", "Charon", 0.9],
-                [False, None, "هوا فردا در تهران آفتابی و دلپذیر خواهد بود.", "", "Achird", 0.7], # نمونه بدون سبک گفتار
+                [False, None, "آیا می‌توانم سوالی از شما بپرسم؟", "با کنجکاوی", "Puck", 0.95],
             ],
             inputs=[ use_file_input_cb, uploaded_file_input, text_to_speak_tb, speech_prompt_tb, speaker_voice_dd, temperature_slider ],
             outputs=[output_audio],
             fn=gradio_tts_interface,
-            cache_examples=os.environ.get("GRADIO_CACHE_EXAMPLES", "false").lower() == "true" # کنترل کش با متغیر محیطی
+            cache_examples=False # برای اینکه همیشه با API تماس بگیرد و از کش استفاده نکند
         )
     gr.Markdown("<p class='app-footer-final'>Alpha Language Learning © 2024</p>")